[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-smazzanti--mrmr":3,"tool-smazzanti--mrmr":61},[4,18,26,36,44,53],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":17},4358,"openclaw","openclaw\u002Fopenclaw","OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。\n\n这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。\n\nOpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你",349277,3,"2026-04-06T06:32:30",[13,14,15,16],"Agent","开发框架","图像","数据工具","ready",{"id":19,"name":20,"github_repo":21,"description_zh":22,"stars":23,"difficulty_score":10,"last_commit_at":24,"category_tags":25,"status":17},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-diffusion-webui","stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。\n\n无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。",162132,"2026-04-05T11:01:52",[14,15,13],{"id":27,"name":28,"github_repo":29,"description_zh":30,"stars":31,"difficulty_score":32,"last_commit_at":33,"category_tags":34,"status":17},1381,"everything-claude-code","affaan-m\u002Feverything-claude-code","everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。\n\n通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。\n\n这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上",141543,2,"2026-04-06T11:32:54",[14,13,35],"语言模型",{"id":37,"name":38,"github_repo":39,"description_zh":40,"stars":41,"difficulty_score":32,"last_commit_at":42,"category_tags":43,"status":17},2271,"ComfyUI","Comfy-Org\u002FComfyUI","ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。\n\n这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。\n\n无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。",107888,"2026-04-06T11:32:50",[14,15,13],{"id":45,"name":46,"github_repo":47,"description_zh":48,"stars":49,"difficulty_score":32,"last_commit_at":50,"category_tags":51,"status":17},4721,"markitdown","microsoft\u002Fmarkitdown","MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具，专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片（含 OCR）、音频（含语音转录）、HTML 乃至 YouTube 链接等多种格式的解析，能够精准提取文档中的标题、列表、表格和链接等关键结构信息。\n\n在人工智能应用日益普及的今天，大语言模型（LLM）虽擅长处理文本，却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点，它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式，成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外，它还提供了 MCP（模型上下文协议）服务器，可无缝集成到 Claude Desktop 等 LLM 应用中。\n\n这款工具特别适合开发者、数据科学家及 AI 研究人员使用，尤其是那些需要构建文档检索增强生成（RAG）系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性，但其核心优势在于为机器",93400,"2026-04-06T19:52:38",[52,14],"插件",{"id":54,"name":55,"github_repo":56,"description_zh":57,"stars":58,"difficulty_score":10,"last_commit_at":59,"category_tags":60,"status":17},4487,"LLMs-from-scratch","rasbt\u002FLLMs-from-scratch","LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目，旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型（LLM）。它不仅是同名技术著作的官方代码库，更提供了一套完整的实践方案，涵盖模型开发、预训练及微调的全过程。\n\n该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型，却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码，用户能够透彻掌握 Transformer 架构、注意力机制等关键原理，从而真正理解大模型是如何“思考”的。此外，项目还包含了加载大型预训练权重进行微调的代码，帮助用户将理论知识延伸至实际应用。\n\nLLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API，而是渴望探究模型构建细节的技术人员而言，这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计：将复杂的系统工程拆解为清晰的步骤，配合详细的图表与示例，让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础，还是为未来研发更大规模的模型做准备",90106,"2026-04-06T11:19:32",[35,15,13,14],{"id":62,"github_repo":63,"name":64,"description_en":65,"description_zh":66,"ai_summary_zh":66,"readme_en":67,"readme_zh":68,"quickstart_zh":69,"use_case_zh":70,"hero_image_url":71,"owner_login":72,"owner_name":73,"owner_avatar_url":74,"owner_bio":73,"owner_company":73,"owner_location":73,"owner_email":73,"owner_twitter":73,"owner_website":73,"owner_url":75,"languages":76,"stars":81,"forks":82,"last_commit_at":83,"license":84,"difficulty_score":85,"env_os":86,"env_gpu":87,"env_ram":87,"env_deps":88,"category_tags":95,"github_topics":97,"view_count":32,"oss_zip_url":73,"oss_zip_packed_at":73,"status":17,"created_at":102,"updated_at":103,"faqs":104,"releases":145},4595,"smazzanti\u002Fmrmr","mrmr","mRMR (minimum-Redundancy-Maximum-Relevance) for automatic feature selection at scale.","mrmr 是一款基于“最小冗余 - 最大相关性”（mRMR）算法的开源特征选择工具，旨在帮助机器学习项目从海量数据中自动筛选出最核心的特征子集。与传统方法倾向于找出所有相关特征不同，mrmr 独特的“最小最优”策略专注于寻找能完成任务所需的最少特征数量。这一特性不仅显著降低了内存消耗和计算时间，提升了模型性能，还极大地增强了结果的可解释性，非常适合需要频繁、高效进行自动化特征工程的场景。\n\n该工具由 Uber 等大厂在实际生产环境中验证过其有效性，特别适用于开发者、数据科学家及机器学习研究人员。无论是处理中小规模数据还是大规模分布式任务，mrmr 都能轻松应对。它提供了极高的灵活性，原生支持 Pandas、Polars、Spark 以及 Google BigQuery 等多种主流数据处理框架，并针对分类和回归任务分别提供了专用函数。用户只需几行代码，即可在熟悉的 Python 环境中完成从数据加载到特征排序的全流程，快速构建更轻量、更高效的预测模型。","\u003Cp align=\"center\">\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fsmazzanti_mrmr_readme_189f64aa6846.png\" alt=\"drawing\" width=\"450\"\u002F>\n\u003C\u002Fp>\n\n## What is mRMR\n\n*mRMR*, which stands for \"minimum Redundancy - Maximum Relevance\", is a feature selection algorithm.\n\n## Why is it unique\n\nThe peculiarity of *mRMR* is that it is a **minimal-optimal** feature selection algorithm. \u003Cbr\u002F>\nThis means it is designed to find the smallest relevant subset of features for a given Machine Learning task.\n\nSelecting the minimum number of useful features is desirable for many reasons:\n- memory consumption,\n- time required,\n- performance,\n- explainability of results.\n\nThis is why a minimal-optimal method such as *mrmr* is often preferable.\n\nOn the contrary, the majority of other methods (for instance, Boruta or Positive-Feature-Importance) are classified as **all-relevant**, \nsince they identify all the features that have some kind of relationship with the target variable.\n\n## When to use mRMR\n\nDue to its efficiency, *mRMR* is ideal for practical ML applications, \nwhere it is necessary to perform feature selection frequently and automatically, \nin a relatively small amount of time.\n\nFor instance, in **2019**, **Uber** engineers published a paper describing how they implemented \n*mRMR* in their marketing machine learning platform [Maximum Relevance and Minimum Redundancy Feature Selection Methods for a Marketing Machine Learning Platform](https:\u002F\u002Feng.uber.com\u002Fresearch\u002Fmaximum-relevance-and-minimum-redundancy-feature-selection-methods-for-a-marketing-machine-learning-platform\u002F).\n\n## How to install this package\n\nYou can install this package in your environment via pip:\n\n```bash\npip install mrmr_selection\n```\n\nAnd then import it in Python through:\n\n```python\nimport mrmr\n```\n\n## How to use this package\n\nThis package is designed to do *mRMR* selection through different tools, depending on your needs and constraints.\n\nCurrently, the following tools are supported (others will be added):\n- **Pandas**\n- **Polars**\n- **Spark**\n- **Google BigQuery**\n\nThe package has a module for each supported tool. Each module has *at least* these 2 functions:\n- `mrmr_classif`, for feature selection when the target variable is categorical (binary or multiclass).\n- `mrmr_regression`, for feature selection when the target variable is numeric.\n\nLet's see some examples.\n\n#### 1. Pandas example\nYou have a Pandas DataFrame (`X`) and a Series which is your target variable (`y`).\nYou want to select the best `K` features to make predictions on `y`.\n\n```python\n# create some pandas data\nimport pandas as pd\nfrom sklearn.datasets import make_classification\nX, y = make_classification(n_samples = 1000, n_features = 50, n_informative = 10, n_redundant = 40)\nX = pd.DataFrame(X)\ny = pd.Series(y)\n\n# select top 10 features using mRMR\nfrom mrmr import mrmr_classif\nselected_features = mrmr_classif(X=X, y=y, K=10)\n```\n\nNote: the output of mrmr_classif is a list containing K selected features. This is a **ranking**, therefore, if you want to make a further selection, take the first elements of this list.\n\n#### 2. Polars example\n\n```python\n# create some polars data\nimport polars\ndata = [(1.0, 1.0, 1.0, 7.0, 1.5, -2.3), \n        (2.0, None, 2.0, 7.0, 8.5, 6.7), \n        (2.0, None, 3.0, 7.0, -2.3, 4.4),\n        (3.0, 4.0, 3.0, 7.0, 0.0, 0.0),\n        (4.0, 5.0, 4.0, 7.0, 12.1, -5.2)]\ncolumns = [\"target\", \"some_null\", \"feature\", \"constant\", \"other_feature\", \"another_feature\"]\ndf_polars = polars.DataFrame(data=data, schema=columns)\n\n# select top 2 features using mRMR\nimport mrmr\nselected_features = mrmr.polars.mrmr_regression(df=df_polars, target_column=\"target\", K=2)\n```\n\n#### 3. Spark example\n\n```python\n# create some spark data\nimport pyspark\nsession = pyspark.sql.SparkSession(pyspark.context.SparkContext())\ndata = [(1.0, 1.0, 1.0, 7.0, 1.5, -2.3), \n        (2.0, float('NaN'), 2.0, 7.0, 8.5, 6.7), \n        (2.0, float('NaN'), 3.0, 7.0, -2.3, 4.4),\n        (3.0, 4.0, 3.0, 7.0, 0.0, 0.0),\n        (4.0, 5.0, 4.0, 7.0, 12.1, -5.2)]\ncolumns = [\"target\", \"some_null\", \"feature\", \"constant\", \"other_feature\", \"another_feature\"]\ndf_spark = session.createDataFrame(data=data, schema=columns)\n\n# select top 2 features using mRMR\nimport mrmr\nselected_features = mrmr.spark.mrmr_regression(df=df_spark, target_column=\"target\", K=2)\n```\n\n#### 4. Google BigQuery example\n\n```python\n# initialize BigQuery client\nfrom google.cloud.bigquery import Client\nbq_client = Client(credentials=your_credentials)\n\n# select top 20 features using mRMR\nimport mrmr\nselected_features = mrmr.bigquery.mrmr_regression(\n    bq_client=bq_client,\n    table_id='bigquery-public-data.covid19_open_data.covid19_open_data',\n    target_column='new_deceased',\n    K=20\n)\n```\n\n\n## Reference\n\nFor an easy-going introduction to *mRMR*, read my article on **Towards Data Science**: [“MRMR” Explained Exactly How You Wished Someone Explained to You](https:\u002F\u002Ftowardsdatascience.com\u002Fmrmr-explained-exactly-how-you-wished-someone-explained-to-you-9cf4ed27458b).\n\nAlso, this article describes an example of *mRMR* used on the world famous **MNIST** dataset: [Feature Selection: How To Throw Away 95% of Your Data and Get 95% Accuracy](https:\u002F\u002Ftowardsdatascience.com\u002Ffeature-selection-how-to-throw-away-95-of-your-data-and-get-95-accuracy-ad41ca016877).\n\n*mRMR* was born in **2003**, this is the original paper: [Minimum Redundancy Feature Selection From Microarray Gene Expression Data](https:\u002F\u002Fwww.researchgate.net\u002Fpublication\u002F4033100_Minimum_Redundancy_Feature_Selection_From_Microarray_Gene_Expression_Data).\n\nSince then, it has been used in many practical applications, due to its simplicity and effectiveness.\nFor instance, in **2019**, **Uber** engineers published a paper describing how they implemented MRMR in their marketing machine learning platform [Maximum Relevance and Minimum Redundancy Feature Selection Methods for a Marketing Machine Learning Platform](https:\u002F\u002Feng.uber.com\u002Fresearch\u002Fmaximum-relevance-and-minimum-redundancy-feature-selection-methods-for-a-marketing-machine-learning-platform\u002F).\n","\u003Cp align=\"center\">\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fsmazzanti_mrmr_readme_189f64aa6846.png\" alt=\"drawing\" width=\"450\"\u002F>\n\u003C\u002Fp>\n\n## 什么是 mRMR\n\n*mRMR* 是“最小冗余—最大相关性”的缩写，是一种特征选择算法。\n\n## 它的独特之处\n\n*mRMR* 的独特之处在于它是一种**最小-最优**的特征选择算法。\u003Cbr\u002F>\n这意味着它旨在为给定的机器学习任务找到最小的相关特征子集。\n\n选择最少数量的有用特征有许多好处：\n- 内存消耗，\n- 计算时间，\n- 模型性能，\n- 结果的可解释性。\n\n因此，像 *mRMR* 这样的最小-最优方法通常更受青睐。\n\n相反，大多数其他方法（例如 Boruta 或正向特征重要性）被归类为**全相关**方法，\n因为它们会识别出与目标变量存在某种关系的所有特征。\n\n## 何时使用 mRMR\n\n由于其高效性，*mRMR* 非常适合实际的机器学习应用，\n特别是在需要频繁且自动地进行特征选择，并且要求在较短时间内完成的情况下。\n\n例如，在 **2019 年**，**Uber** 的工程师发表了一篇论文，描述了他们如何在其营销机器学习平台中实现 *mRMR* [用于营销机器学习平台的最大相关性和最小冗余特征选择方法](https:\u002F\u002Feng.uber.com\u002Fresearch\u002Fmaximum-relevance-and-minimum-redundancy-feature-selection-methods-for-a-marketing-machine-learning-platform\u002F)。\n\n## 如何安装这个包\n\n您可以通过 pip 将此包安装到您的环境中：\n\n```bash\npip install mrmr_selection\n```\n\n然后在 Python 中通过以下方式导入：\n\n```python\nimport mrmr\n```\n\n## 如何使用这个包\n\n该包旨在根据您的需求和限制，通过不同的工具来执行 *mRMR* 特征选择。\n\n目前支持以下工具（未来还将增加更多）：\n- **Pandas**\n- **Polars**\n- **Spark**\n- **Google BigQuery**\n\n该包为每个支持的工具都提供了一个模块。每个模块至少包含以下两个函数：\n- `mrmr_classif`，用于目标变量为分类变量（二分类或多分类）时的特征选择。\n- `mrmr_regression`，用于目标变量为数值型时的特征选择。\n\n下面我们来看几个示例。\n\n#### 1. Pandas 示例\n您有一个 Pandas DataFrame (`X`) 和一个表示目标变量的 Series (`y`)。\n您希望选择最佳的 `K` 个特征来对 `y` 进行预测。\n\n```python\n# 创建一些 Pandas 数据\nimport pandas as pd\nfrom sklearn.datasets import make_classification\nX, y = make_classification(n_samples = 1000, n_features = 50, n_informative = 10, n_redundant = 40)\nX = pd.DataFrame(X)\ny = pd.Series(y)\n\n# 使用 mRMR 选择前 10 个特征\nfrom mrmr import mrmr_classif\nselected_features = mrmr_classif(X=X, y=y, K=10)\n```\n\n注意：`mrmr_classif` 的输出是一个包含 `K` 个选定特征的列表。这是一个**排序列表**，因此如果您需要进一步筛选，只需取该列表的前几个元素即可。\n\n#### 2. Polars 示例\n\n```python\n# 创建一些 Polars 数据\nimport polars\ndata = [(1.0, 1.0, 1.0, 7.0, 1.5, -2.3), \n        (2.0, None, 2.0, 7.0, 8.5, 6.7), \n        (2.0, None, 3.0, 7.0, -2.3, 4.4),\n        (3.0, 4.0, 3.0, 7.0, 0.0, 0.0),\n        (4.0, 5.0, 4.0, 7.0, 12.1, -5.2)]\ncolumns = [\"target\", \"some_null\", \"feature\", \"constant\", \"other_feature\", \"another_feature\"]\ndf_polars = polars.DataFrame(data=data, schema=columns)\n\n# 使用 mRMR 选择前 2 个特征\nimport mrmr\nselected_features = mrmr.polars.mrmr_regression(df=df_polars, target_column=\"target\", K=2)\n```\n\n#### 3. Spark 示例\n\n```python\n# 创建一些 Spark 数据\nimport pyspark\nsession = pyspark.sql.SparkSession(pyspark.context.SparkContext())\ndata = [(1.0, 1.0, 1.0, 7.0, 1.5, -2.3), \n        (2.0, float('NaN'), 2.0, 7.0, 8.5, 6.7), \n        (2.0, float('NaN'), 3.0, 7.0, -2.3, 4.4),\n        (3.0, 4.0, 3.0, 7.0, 0.0, 0.0),\n        (4.0, 5.0, 4.0, 7.0, 12.1, -5.2)]\ncolumns = [\"target\", \"some_null\", \"feature\", \"constant\", \"other_feature\", \"another_feature\"]\ndf_spark = session.createDataFrame(data=data, schema=columns)\n\n# 使用 mRMR 选择前 2 个特征\nimport mrmr\nselected_features = mrmr.spark.mrmr_regression(df=df_spark, target_column=\"target\", K=2)\n```\n\n#### 4. Google BigQuery 示例\n\n```python\n# 初始化 BigQuery 客户端\nfrom google.cloud.bigquery import Client\nbq_client = Client(credentials=your_credentials)\n\n# 使用 mRMR 选择前 20 个特征\nimport mrmr\nselected_features = mrmr.bigquery.mrmr_regression(\n    bq_client=bq_client,\n    table_id='bigquery-public-data.covid19_open_data.covid19_open_data',\n    target_column='new_deceased',\n    K=20\n)\n```\n\n## 参考资料\n\n想要轻松了解 *mRMR*？请阅读我在 **Towards Data Science** 上的文章：[“MRMR”究竟是如何被你期望的方式解释清楚的](https:\u002F\u002Ftowardsdatascience.com\u002Fmrmr-explained-exactly-how-you-wished-someone-explained-to-you-9cf4ed27458b)。\n\n此外，这篇文章还介绍了一个在世界著名的 **MNIST** 数据集上使用 *mRMR* 的示例：[特征选择：如何丢弃 95% 的数据并获得 95% 的准确率](https:\u002F\u002Ftowardsdatascience.com\u002Ffeature-selection-how-to-throw-away-95-of-your-data-and-get-95-accuracy-ad41ca016877)。\n\n*mRMR* 最早诞生于 **2003 年**，其原始论文为：[来自微阵列基因表达数据的最小冗余特征选择](https:\u002F\u002Fwww.researchgate.net\u002Fpublication\u002F4033100_Minimum_Redundancy_Feature_Selection_From_Microarray_Gene_Expression_Data)。\n\n自那以后，由于其简单性和有效性，*mRMR* 已被广泛应用于各种实际场景。例如，在 **2019 年**，**Uber** 的工程师发表了一篇论文，描述了他们如何在营销机器学习平台中实现 *mRMR* [用于营销机器学习平台的最大相关性和最小冗余特征选择方法](https:\u002F\u002Feng.uber.com\u002Fresearch\u002Fmaximum-relevance-and-minimum-redundancy-feature-selection-methods-for-a-marketing-machine-learning-platform\u002F)。","# mRMR 快速上手指南\n\nmRMR（Minimum Redundancy - Maximum Relevance）是一种**最小最优**特征选择算法。与寻找所有相关特征的“全相关”方法不同，mRMR 旨在为机器学习任务找到**数量最少但最相关**的特征子集，从而降低内存消耗、缩短训练时间并提升模型可解释性。该库支持 Pandas、Polars、Spark 和 Google BigQuery 等多种数据处理工具。\n\n## 环境准备\n\n- **系统要求**：支持 Windows、Linux 或 macOS。\n- **Python 版本**：建议 Python 3.7 及以上。\n- **前置依赖**：\n  - 基础使用需安装 `pandas` 和 `scikit-learn`（用于数据演示）。\n  - 若使用其他后端，需分别安装 `polars`、`pyspark` 或 `google-cloud-bigquery`。\n\n## 安装步骤\n\n通过 pip 安装核心包：\n\n```bash\npip install mrmr_selection\n```\n\n> **提示**：国内用户推荐使用清华或阿里镜像源加速安装：\n> ```bash\n> pip install mrmr_selection -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple\n> ```\n\n安装完成后，在 Python 中导入：\n\n```python\nimport mrmr\n```\n\n## 基本使用\n\n以下以最常见的 **Pandas** 场景为例，演示如何从分类任务中选择前 K 个最佳特征。\n\n### 场景：分类任务特征选择\n\n假设你有一个特征 DataFrame (`X`) 和一个分类目标 Series (`y`)，需要选出最重要的 10 个特征：\n\n```python\n# 1. 准备数据 (示例数据)\nimport pandas as pd\nfrom sklearn.datasets import make_classification\n\nX, y = make_classification(n_samples=1000, n_features=50, n_informative=10, n_redundant=40)\nX = pd.DataFrame(X)\ny = pd.Series(y)\n\n# 2. 执行 mRMR 特征选择\nfrom mrmr import mrmr_classif\n\n# 选择前 10 个特征\nselected_features = mrmr_classif(X=X, y=y, K=10)\n\n# 输出结果为特征名列表，按重要性排序\nprint(selected_features)\n```\n\n### 核心函数说明\n\n根据目标变量类型选择对应函数：\n- **分类任务**（目标为类别）：使用 `mrmr.mrmr_classif`\n- **回归任务**（目标为数值）：使用 `mrmr.mrmr_regression`\n\n返回结果是一个**有序列表**，列表前方的特征重要性最高。你可以直接截取列表前 N 项来灵活控制最终保留的特征数量。","某电商数据团队正在构建用户流失预警模型，面对包含数千个行为特征的大规模数据集，急需筛选出最具预测价值的核心指标。\n\n### 没有 mrmr 时\n- **模型臃肿低效**：采用传统“全相关”方法保留了大量冗余特征，导致训练时间长达数小时，内存消耗巨大。\n- **过拟合风险高**：高度相关的重复特征（如不同时间窗口的点击次数）被同时纳入，干扰模型判断，降低泛化能力。\n- **业务解释困难**：特征数量过多且杂乱，运营团队难以理解哪些关键行为真正驱动了用户流失，无法制定针对性策略。\n- **迭代周期漫长**：每次调整模型都需重新评估海量特征，自动化流程运行缓慢，阻碍了快速实验和上线。\n\n### 使用 mrmr 后\n- **精简核心特征**：mrmr 自动识别并仅保留最小且最优的特征子集，在保持预测精度的同时将特征数量减少 80%，训练速度提升 5 倍。\n- **消除冗余干扰**：算法基于“最大相关性、最小冗余性”原则，有效剔除高度共线的重复指标，显著增强了模型的稳定性。\n- **洞察清晰直观**：输出的特征排名直接指向最关键的用户行为（如“最近 3 天未登录”），让业务方一眼看懂流失原因。\n- **高效自动流转**：依托其对 Pandas 和 Spark 的原生支持，mrmr 无缝嵌入现有大数据流水线，实现了分钟级的特征自动筛选与模型更新。\n\nmrmr 通过寻找“最小最优”特征子集，成功将复杂的机器学习任务转化为高效、可解释且易于落地的商业解决方案。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fsmazzanti_mrmr_d5d3115c.png","smazzanti",null,"https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fsmazzanti_f2f730f5.jpg","https:\u002F\u002Fgithub.com\u002Fsmazzanti",[77],{"name":78,"color":79,"percentage":80},"Python","#3572A5",100,622,90,"2026-03-30T20:01:37","MIT",1,"","未说明",{"notes":89,"python":87,"dependencies":90},"该工具是一个特征选择算法库，支持多种数据处理后端（Pandas, Polars, Spark, Google BigQuery）。安装命令为 `pip install mrmr_selection`，导入方式为 `import mrmr`。具体运行环境需求取决于所选用的后端工具（例如使用 Spark 或 BigQuery 时需配置相应环境），README 中未对操作系统、GPU、内存或 Python 版本做出统一限制。",[91,92,93,94],"pandas","polars","pyspark","google-cloud-bigquery",[14,16,96],"其他",[98,99,100,101],"machine-learning","feature-selection","data-science","mlops","2026-03-27T02:49:30.150509","2026-04-07T04:10:37.122290",[105,110,115,120,125,130,135,140],{"id":106,"question_zh":107,"answer_zh":108,"source_url":109},20898,"如何获取特征选择的最终得分以便根据阈值筛选特征？","可以在调用函数时添加参数 `return_scores = True` 来返回用于排序的最终得分。根据原始 mRMR 作者的定义，MID 方案的最终得分计算公式为 max(V-W)，其中 W 是冗余度，V 是相关性；而 MIQ 方案的计算公式为 max(V\u002FW)。","https:\u002F\u002Fgithub.com\u002Fsmazzanti\u002Fmrmr\u002Fissues\u002F34",{"id":111,"question_zh":112,"answer_zh":113,"source_url":114},20899,"选出的特征为什么没有按照相关性（relevance）从高到低排序？","这不是 Bug。mRMR 算法的目的是联合最大化相关性（relevance）并最小化冗余度（redundancy）。因此，排名靠前的特征不一定是相关性最高的特征，而是综合了相关性和冗余度指标后最优的特征子集。","https:\u002F\u002Fgithub.com\u002Fsmazzanti\u002Fmrmr\u002Fissues\u002F37",{"id":116,"question_zh":117,"answer_zh":118,"source_url":119},20900,"默认使用什么方法来评估特征的相关性和冗余度？支持自定义吗？","默认情况下，相关性（relevance）可以使用 \"f\" (F 统计量), \"ks\" (Kolmogorov-Smirnov 检验), 或 \"rf\" (随机森林)；冗余度（redundancy）默认使用 \"c\" (Pearson 相关系数)。具体默认值需查看函数文档字符串。此外，用户可以传递 callable 对象来自定义相关性和冗余度的计算方法。","https:\u002F\u002Fgithub.com\u002Fsmazzanti\u002Fmrmr\u002Fissues\u002F31",{"id":121,"question_zh":122,"answer_zh":123,"source_url":124},20901,"该库是否支持多分类（Multiclass）或多标签（Multilabel）目标变量？","支持多分类问题（即目标变量 y 有超过 2 个可能的值，例如 [0, 1, 2, 3]），可以无缝工作。但不支持多标签问题（即 y 是一个包含多列的 DataFrame），目前尚未实现该功能。","https:\u002F\u002Fgithub.com\u002Fsmazzanti\u002Fmrmr\u002Fissues\u002F5",{"id":126,"question_zh":127,"answer_zh":128,"source_url":129},20902,"导入时遇到 'ModuleNotFoundError: No module named polars' 错误怎么办？","Polars 并非 mrmr 的核心强制依赖，但在某些版本中未被正确列为可选依赖导致报错。解决方法是手动在环境中安装 Polars：`pip install polars`。维护者已在 0.2.8 版本中将 Polars 加入要求列表以修复此问题。","https:\u002F\u002Fgithub.com\u002Fsmazzanti\u002Fmrmr\u002Fissues\u002F28",{"id":131,"question_zh":132,"answer_zh":133,"source_url":134},20903,"安装时遇到 'sklearn' 模块找不到或依赖冲突问题如何解决？","旧版本 PyPi 包中错误地使用了 'sklearn' 作为依赖名，应改为 'scikit-learn'。请确保安装最新版本（0.2.6 及以上），该问题已修复。安装命令为：`pip install mrmr_selection`。如果直接从 git 安装失败，通常是因为缺少构建依赖，建议直接使用 PyPi 发布的版本。","https:\u002F\u002Fgithub.com\u002Fsmazzanti\u002Fmrmr\u002Fissues\u002F25",{"id":136,"question_zh":137,"answer_zh":138,"source_url":139},20904,"使用随机森林方法时出现 'unexpected keyword argument n_jobs' 错误？","这是 0.2.4 版本引入的一个 Bug。该问题已在 0.2.5 版本中修复。请将库升级到 0.2.5 或更高版本：`pip install --upgrade mrmr_selection`。","https:\u002F\u002Fgithub.com\u002Fsmazzanti\u002Fmrmr\u002Fissues\u002F16",{"id":141,"question_zh":142,"answer_zh":143,"source_url":144},20905,"如何通过 pip 安装这个库？","该库已发布在 PyPi 上。可以使用以下命令进行安装：`pip install mrmr_selection`。安装完成后，通过 `import mrmr` 即可使用。","https:\u002F\u002Fgithub.com\u002Fsmazzanti\u002Fmrmr\u002Fissues\u002F12",[146],{"id":147,"version":148,"summary_zh":149,"released_at":150},126913,"0.2.9","修复了 Polars 相关性计算中的 bug。","2024-11-19T11:17:46"]